1.Vector的使用和清除里面所有的内容：
vector<CvPoint2D64d>edgepoint;
edgepoint.clear();//清除所有的东西。
C++ vector删除特定元素的方法如下：
for(it = v.begin();it!=v.end();){
if(*it == 3){
v.erase(it);
continue;
}
++it;
}
因为vector.erase()方法会将当前要删除的空间注销得并将it指向下一个元素。
所以如果采用常规的for((it = v.begin();it!=v.end();++it)时会发生一些错误，比如
越过一些元素，导致无法将所有为3的元素删除掉，如果末尾元素为3时还可能
发生内存错误。
2.关于防止头文件包含重定义的问题解决：
解决方法是在头文件.h里进行问题消除，其方法大概有两种：
第一种：
#pragma once
//其表示这个头文件只进行一次包含，
extern "c" _declspcl(dllexport) int
//生成Dll文件的接口函数的类别
Add(int &a,int &b) ;
第二种：
#ifndef _aaa_
#define _aaa_
class aaa
{
};
#endif
例子：
#ifndef _STDIO_H_ //这给_STDIO_H_ 可以任意取，表示出现过的这个东西则不再进行声明，没出现过的则进行#define _STDIO_H_
#define _STDIO_H_
......
#endif
2.cvDrawContours函数如何控制只画一条轮廓和画全部轮廓
其函数原型为：
函数原型：
void cvDrawContours( CvArr *img, CvSeq* contour,
CvScalar external_color, CvScalar hole_color,
int max_level, int thickness=1,
int line_type=8, CvPoint offset=cvPoint(0,0) );例子：cvDrawContours(drawimg,contour,CV_RGB(255,0,0),CV_RGB(250,0,0,),0,1,8);//这里的cvDrawContours
第五个参数为负数或0，其是表示只画当前的轮廓，而不是把contour里的所以轮廓都画出来
max_level----- 画轮廓的最大层数的详解：
如果是0，只绘制contour；
如果是1，将绘制contour后和contour同层的所有轮廓；
如果是2，绘制contour后所有同层和低一层的轮廓，以此类推；
100-----如果轮廓层数小于100,一般是小于,将绘除所有轮廓.
如果值是负值，则函数并不绘制contour后的轮廓，但是将画出其子轮廓，一直到abs(max_level) - 1层。
3.cvFitEllipse2与cvFitEllipse函数不同：
第一个是可以返回一个CvBox2D的结构体，其里面包含的是CvPoint2D32f的center、size、angle的结构
用于拟合圆。
例子：
CvBox2D box；
box = cvFitEllipse2(contour);
cvCircle(drawimg, cvPointFrom32f(box.center), box.size.height/2, cvScalar(0, 255, 0),1);
4.cvFindContours配合自己写的亚像素处理算法时要注意的参数设置，例子：
hSobel(pGrayImage,pEdgeImage,pGradMat,pDirection,10,120);//pGradMat为梯度图,288ms
/*切记，其中的pGrayImage是灰度图，而不是二值图，pEdgeImage才是二值图。如果边缘内是白色，外围是黑色时，cvFindContours使用CV_RETR_LIST
与CV_RETR_EXTERNAL参数检测到的边缘是一个，如果是这里的边缘大概位置才是白色的，则其CV_RETR_LIST会检测到两条边缘，一个是内边缘，另一个是
外边缘，如果不想其平均来计算边缘点，就要使用CV_RETR_EXTERNAL来只检测外边缘。
*/
int mun= cvFindContours(pEdgeImage, storage, &contour, sizeof(CvContour), CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); //8mms
for (; contour != 0;contour=contour->h_next)
{
double contours_len = cvArcLength(contour, CV_WHOLE_SEQ, -1);
if (contours_len>360) //这里的面积太大则不能进入循环
{
hSubPixelEdge(pGradMat, pEdgeImge_copy, pDirection, pSubEdgeMatH, pSubEdgeMatW, &edgepoint, contour);
for (size_t i = 0; i < edgepoint.size(); i++)
{
x[i] = edgepoint[i].x;
y[i] = edgepoint[i].y;
if (i>1)
{
cvLine(drawimg1, cvPoint(cvRound(x[i]), cvRound(y[i])), cvPoint(cvRound(x[i-1]), cvRound(y[i- 1])), cvScalar(0,255,0),2);
}
}
N = edgepoint.size();
CircleSim1(x, y, N);
poit.x = a;
poit.y = b;
poit.r = r;
circle.push_back(poit);
edgepoint.clear();
}
}
5.cout时，会输出1.#INF或者-1.#INF，代表什么？
这两个数代表着无穷的意思，一般是除法时的分母为零了，所以除法时要进行分母是否为零检测
例子：
case 1:
nG0=(pGradImage+h*nGradWidthStep)[w-1];//这些提取的是梯度值
nG1=(pGradImage+h*nGradWidthStep)[w];
nG2=(pGradImage+h*nGradWidthStep)[w+1];
valuex = nG0 + nG2 - 2 * nG1;
if (valuex >= -EPSILON && valuex <= EPSILON)
{
fEdgeH = h;
fEdgeW = w;
}
else
{
fEdgeH = h;
fEdgeW = w + ((double)(nG0 - nG2) / (nG0 + nG2 - 2 * nG1))*0.5;
//cout<<"1h:"<<h<<" w:"<<w<<" fw:"<<fEdgeW<<" "<<nG0<<" "<<nG2<<" "<<nG1<<endl;
//cout << "1= " << valuex << endl;
}
break;
6. Mat图像类型的初始化，例子：
Mat cimage = Mat::zeros(bimage.size(), CV_8UC3);
Mat M（2,2，CV_8UC3，Scalar(0,0,255)） ;
（2,2，CV_8UC3，Scalar::all(0)） ;
Mat M（2,2，CV_8UC3） ;
M=Scalar::all(0);
7、如何通过RGB来划分颜色:
3、CV_RGB2HSV的转换：
cv在把RGB空间转换为HSV和CIE（Lab）空间之前先把RGB的值转换到0～1。
如果不在转换成0-1的话，直接转换出来的转换是有问题的，在实际项目使用中，例如颜色替换等操作都是会出现问题的。
import cv2
from skimage.color import rgb2hsv
import numpy as np
if __name__ == '__main__':
#把原始图像的RGB转换为0-1的值
img_rgb=(np.array([[[130,66,241]]])/255.).astype(dtype='float32')
# img_rgb=cv2.imread("temp/timg.jpg")
#这样子得出的结果才符合理论值：
cv_HSV = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2HSV)
print(cv_HSV)
print(rgb2hsv(img_rgb))
skimage_HSV = np.array(rgb2hsv(img_rgb) * 255).astype(np.uint8)
print(skimage_HSV)输出结果为：
[[[261.94284 0.726141 0.94509804]]]
[[[0.727619 0.7261411 0.94509804]]]
[[[185 185 241]]] 然后，对于HSV：
On output 0≤V≤1, 0≤S≤1, 0≤H≤360.
The values are then converted to the destination data type:
8-bit images:
V <- V*255, S <- S*255, H <- H/2 (to fit to 0..255)
16-bit images (currently not supported):
V <- V*65535, S <- S*65535, H <- H
32-bit images:
H, S, V are left as is
对于CIE（Lab）：
On output 0≤L≤100, -127≤a≤127, -127≤b≤127
The values are then converted to the destination data type:
8-bit images:
L <- L*255/100, a <- a + 128, b <- b + 128
16-bit images are currently not supported
32-bit images:
L, a, b are left as is
